31341

تاثير قيمت گذاري پويا بر روي تمايلات رفتاري كاربران با رويكرد دسته‌بندي كاربران مورد مطالعه: گروهي از كاربران آژانس مسافرتي آنلاين

كارشناسي ارشد

مهندسي صنايع

1400

1403/06/25

دكتر عليرضا علي احمدي

دكتر بابك اميري

صنايع

در دنياي كسب‌وكارهاي امروزي، يكي از چالش‌هاي اصلي دستيابي به سودآوري بيشتر از طريق شناسايي دقيق ويژگي‌ها و مدل‌هاي رفتاري كاربران است. اين شناخت به تصميم‌گيري‌هاي دقيق‌تر در سطوح مختلف كسب‌وكار و همچنين افزايش وفاداري كاربران منجر مي‌شود. با افزايش رقابت ميان كسب‌وكارهاي آنلاين، استراتژي‌هاي قيمت‌گذاري به عنوان يكي از عوامل كليدي در جذب، حفظ، رضايت و وفاداري كاربران اهميت ويژه‌اي يافته‌اند. يكي از چالش‌هاي اساسي در اين زمينه، درك رفتارهاي مختلف مشتريان و تفاوت‌هاي ميان گروه‌هاي مختلف آنان است كه بهينه‌سازي قيمت‌گذاري براي هر گروه را ضروري مي‌سازد. اين پژوهش با هدف بررسي تأثير قيمت‌گذاري پويا بر روي گروه‌هاي مختلف كاربران، از الگوريتم يادگيري تقويتي استفاده كرده است. در اين راستا، از الگوريتم يادگيري كيو (Q-learning) براي شبيه‌سازي محيط قيمت‌گذاري پويا بهره گرفته شده است. نتايج نشان مي‌دهد كه با اتخاذ سياست‌هاي قيمت‌گذاري پويا، كاربران هر گروه تمايل بيشتري به افزايش مدت اقامت خود دارند و همچنين سبد خريد آن‌ها به تناسب مدل رفتاريشان افزايش يافته است. در نهايت، حاشيه سود كسب شده نسبت به هزينه‌هاي تخفيف نيز بهبود يافته است.

1403/07/23

The effect of dynamic pricing on user behavior based on user segmentation Case Study: A Group of the online travel agency

1/1/1900 12:00:00 AM

One of the main concerns of today's businesses is increasing profitability by discovering the characteristics and behavioral models of their users. This leads to more precise decision-making at various levels of a business and enhances user loyalty. With the increasing competition among online businesses, pricing is one of the most crucial factors that significantly influence user acquisition, retention, satisfaction, and loyalty. One of the primary challenges in this area is understanding customer behavioral models, recognizing the differences among user groups, and ultimately optimizing prices for them. This study investigates the effects of dynamic pricing on various user segments by employing a reinforcement learning algorithm. Specifically, the Q-learning algorithm was used to simulate a dynamic pricing environment. The findings demonstrate that the implementation of dynamic pricing strategies encourages users within each segment to extend their stay, with a corresponding increase in their shopping cart size, aligned with their behavioral models. Additionally, the study reveals an improvement in profit margins relative to the costs associated with discounts.

قيمت گذاري پويا , يادگيري تقويتي , دسته بندي كاربران , يادگيري كيو , رزرو آنلاين هتل

Dynamic Pricing , Reinforcement Learning , User Segmentation , Q-Learning , Online Hotel Reservation

Ahmadreza Cheraghloo

Dr. Alireza Aliahmadi